Recentemente, uma pesquisa inovadora explorou como o uso de machine learning pode revolucionar o armazenamento de energia, focando na movimentação de íons em baterias de magnésio, aumentando assim sua eficiência.
Contexto da pesquisa
São Paulo — InkDesign News — A demanda por baterias com maior densidade energética levou a investigações sobre tecnologias alternativas. Um estudo realizado por pesquisadores do Instituto Indiano de Ciência, liderado por Sai Gautam Gopalakrishnan, propõe que a utilização de materiais amorfos como eletrodos positivos em baterias de magnésio pode acelerar significativamente a taxa de transferência de energia.
Método proposto
A equipe projetou um modelo computacional de um material amorfo, o pentóxido de vanádio, utilizando uma combinação de teoria funcional de densidade (DFT) e simulações de dinâmica molecular (MD). A abordagem de DFT foi empregada para gerar dados em pequena escala sobre o funcionamento do cátodo amorfo, que posteriormente serviu para treinar o modelo de machine learning que facilitou as simulações em maior escala.
“A modelagem de sistemas amorfos de forma precisa é muito difícil”
(“Modeling amorphous systems accurately is very difficult.”)— Vijay Choyal, Autor Principal, Instituto Indiano de Ciência
Resultados e impacto
Os resultados mostraram que a movimentação de íons de magnésio no material amorfo apresentou uma melhoria de cerca de cinco ordens de magnitude em comparação com materiais cristalinos convencionais. Essa descoberta sugere uma alternativa viável para polemizar a fabricação de baterias de magnésio, materializando-se como um novo caminho na identificação de materiais eletrodos.
“Nosso trabalho oferece um caminho completamente diferente para identificar materiais eletrodos para baterias”
(“Our work offers a completely different pathway to identify electrode materials for batteries.”)— Sai Gautam Gopalakrishnan, Professor Assistente, Instituto Indiano de Ciência
Os pesquisadores esperam que essa nova abordagem leve a testes em laboratório de materiais amorfos, que têm potencial para melhorar a mobilidade dos íons. Um desafio identificado é a estabilidade desses materiais em baterias práticas, que ainda precisa ser explorada em experimentos futuros.
Fonte: (TechXplore – Machine Learning & AI)
